从一颗咖啡豆,到一杯咖啡,中间经历环节繁多:种植、收获、烘培、运输、销售、研磨、冲煮……这期间涉及咖农、经销商、贸易商、海运物流服务商等多个角色,并且他们之间往往不直接认识也不直接产生交易,信任度极低。
这样的情况增加了消费者选购到优质咖啡豆和享用高品质咖啡的难度和成本,因为许多经营者通常都不会100%到原产地收购咖啡豆,同时也不能保证咖农们不在优质豆中掺杂劣豆。
但是如果引入了区块链技术,情况就会大不相同。
区块链技术特点及商业应用场景
区块链属性的框架具有以下几个特点,分布式且可持续、透明且可审计、基于共识且可交易、经过统筹且灵活。因此,通过构建共享账本、智能合约、多方互信、隐私保护四大技术能力,就能在很大程度上解决传统交易过程中的信息摩擦问题。
今年年初,全球集装箱运输及物流领域的巨头马士基集团,与IBM共同组建了一家合资公司,双方合作通过区块链技术建立了一个透明、可追溯的信用机制和全球智慧供应链,从而解决以往贸易交易单证文件冗多、成本高、货物追溯难、多方信任等问题。
针对于类似咖啡豆这样的国际贸易,通过区块链平台,所有物流涉及的元素,如文件、报关单、提单、原产证明,包括提货柜、称重、装船中间的温度控制、进出海关等信息,统统通过共有账本放到链上。这样,制造商不需要跟船运公司,或者码头来回确认,就知道货物的实时状态。制造商能清楚地看到供应链中发生的任何事情,并提前安排库存。而对于船运公司来说,也不再需要那么多人去做客服,利用货产和集装箱的限免周期,还可以减少申报,更好地利用好港口码头设施。同样,对于海关关员来说,工作也变得非常轻松,不用每次都去责问“为什么给我的信息是错的”。
由此,原本马士基将冷冻货物从东非运到欧洲,需要经过近30个人员和组织,进行超过200次的沟通,而如今,这样的低效沟通已经不复存在。
总结来说,区块链不仅能够帮助企业节约大量的交易时间,消除不必要的中介成本,同时还使得交易变得可验证、可审计、防篡改,大大降低了交易欺诈风险,提高了交易相关方之间的信任感。
除此之外,IBM还将企业级区块链技术引入到了多个商业场景中。比如:与沃尔玛、京东、清华大学电子商务交易技术国家工程实验室共同宣布成立了中国首个安全食品区块链溯源联盟,并推出了食品安全区块链项目,从而加强食品追踪、可追溯性和安全性;与中国邮储银行联合推出基于区块链的资产托管系统,应用于银行核心业务实践;与联合利华合作开发针对数字媒体购买的基本财务对账解决方案,为广告公司提供更高的透明性……
而这些,都基于IBM的区块链平台。
基于HyperLedger的IBM区块链平台
作为超级账本(HyperLedger)区块链开源项目的创始者之一的IBM,同时也是该项目代码的最大贡献者之一。从2016年至今,IBM已经为平台贡献了44000多行的核心代码,占平台总代码的90%。包括Hyperledger Fabric、Hyperledger Composer、Hyperledger Indy等在内的子项目都有IBM的支撑。
在此基础上,IBM构建了一个面向新商业模式的区块链平台,意在为企业提供安全开发、运营和治理企业区块链网络的能力。而通过业务网络的构建和扩充,以及对应用程序的完善优化,IBM还针对行业场景和挑战提供了细分领域的解决方案,如食品安全解决方案、食品溯源解决方案、全球贸易解决方案等等,企业可以选择直接调用平台上的解决方案,也可以重新根据自己的需求进行定制。
依托于深厚的底层技术基础以及个性化的上层解决方案,IBM希望构建的是一个完整的、多元化的企业级区块链生态环境,从咨询、设计、开发,到实施、维护打造端到端的服务能力。
具体到IBM区块链平台整体架构,自下而上主要包括了四层:
据了解,为了保证业务的持续在线,IBM区块链平台在公有云上的部署是以容器化的方式实现的,无论用户使用什么样的节点,平台都能够保证在一个容器停下来的同时,另一个容器能够无缝接管。与此同时,通过IBM Cloud云平台,企业用户还可以通过API直接调用云平台上的Watson IoT、工作流、人工智能等功能。
而为了帮助企业更好地落地区块链项目,IBM的服务通过车库创新( Garage)形式进行,由IBM区块链专家与客户一起,深入研究与区块链相关的案例,帮助企业从组织文化、组织管理、到业务模式等全方位进行梳理和分析,最终确定适合企业的业务模式和技术路线图。在整个过程中,客户变成了参与者和创造者,因此也使得企业的业务需求和技术能力的结合变得更加无缝,双方的交流变得更高效、更准确。
据此,在11月28日的云讲堂上,IBM云计算区块链架构师胡磊将进一步为大家解析区块链技术特点、应用趋势,以及IBM区块链平台如何与企业服务和流程做整合和更多区块链应用案例。戳此链接快速报名:http://www.zhiding.cn/special/IBM_Cloud_Blockchain
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。